我应该在什么时候使用 Apache Druid

许多公司都已经将 Druid 应用于多种不同的应用场景。请访问 使用 Apache Druid 的公司 页面来了解都有哪些公司使用了 Druid。

druid_architecture_diagram

如果您的使用场景符合下面的一些特性，那么Druid 将会是一个非常不错的选择：

• 数据的插入频率非常高，但是更新频率非常低。
• 大部分的查询为聚合查询（aggregation）和报表查询（reporting queries），例如我们常使用的 “group by” 查询。同时还有一些检索和扫描查询。
• 查询的延迟被限制在 100ms 到 几秒钟之间。
• 你的数据具有时间组件（属性）。针对时间相关的属性，Druid 进行特殊的设计和优化。
• 你可能具有多个数据表，但是查询通常只针对一个大型的分布数据表，但是，查询又可能需要查询多个较小的 lookup 表。
• 如果你的数据中具有高基数（high cardinality）数据字段，例如 URLs、用户 IDs，但是你需要对这些字段进行快速计数和排序。
• 你需要从 Kafka，HDFS，文本文件，或者对象存储（例如，AWS S3）中载入数据。

如果你的使用场景是下面的一些情况的话，Druid 不是一个较好的选择：

• 针对一个已经存在的记录，使用主键（primary key）进行低延迟的更新操作。Druid 支持流式插入（streaming inserts）数据，但是并不很好的支持流式更新（streaming updates）数据。 Druid 的更新操作是通过后台批处理完成的。
• 你的系统类似的是一个离线的报表系统，查询的延迟不是系统设计的重要考虑。
• 使用场景中需要对表（Fact Table）进行连接查询，并且针对这个查询你可以介绍比较高的延迟来等待查询的完成。

https://www.ossez.com/t/apache-druid/13604